为了有效降低计算的复杂度并保证压缩质量, 提出了一种基于可分二维马尔可夫过程全局模型的单模低复杂度图像压缩方法。在假定的全局图像模型上寻求最优的空间预测, 其模型构建主要采用了可分二维马尔可夫过程; 对预测残差块进行变换编码进一步消除空间冗余。方法与视频编码中的帧内编码类似, 但仅使用一种空间预测模式(单模)以便有效降低算法的复杂度。实验结果表明, 与相似的低复杂度单模图像编码器相比, 单模方法在平均编码/解码时间不变的情况下, 平均比特率(BD-BR)有所改善(约12%), 且在低比特率下没有产生明显的方块效应, 证明了方法的有效性。

由于受到化学检测手段限制，无法获取光谱图像中的农产品品质在各像素位置处的参考值，因此无法直接验证基于光谱图像得到的农产品品质空间预测结果。为探索基于光谱图像的农产品空间品质检测规律，本文采用计算机生成已知空间品质样本，并分别以固定曝光和变曝光方式采集不同灰度等级标准板的光谱图像。定量分析采集系统误差，借助样本区域光谱与区域指标之间的全波段偏最小二乘(ALL-PLS)和遗传特征波长偏最小二乘(GA-PLS)预测函数，研究出区域指标预测准确时样本空间品质指标的预测精度规律，建立光谱成像空间预测准确度模型。实验结果表明：变曝光方式下的数据采集可以提高光谱图像信噪比，在波段两侧极限处尤为明显；应用区域品质数据预测空间品质分布，空间预测误差主要受光谱图像采集噪声影响:即使区域预测准确，空间预测可能已完全失真。通过衡量数据采集系统误差，可以间接评价农产品品质空间预测的准确度。只有在数据采集系统误差在允许范围内时，光谱成像技术才可准确预测农产品品质的空间分布。

根据闭环系统的输入-输出观测数据，采用直接设计的方法估计故障，并设计预测控制器，而无需建立系统和故障的状态空间模型。对于故障的估计，利用闭环系统中输入-输出关系建立一个参数化的最小二乘问题。在施加故障的上下限约束条件下，采用快速梯度算法来估计故障。在故障估计的基础上，引入子空间预测控制的思想，考虑控制输入为仿射形式下的控制器设计。借助分离性原理，采用相互迭代的最速下降法求解仿射形式中的仿射项和增益项。最后以直升机悬停状态为例，验证方法的有效性。

复杂背景下低信噪比弱小目标的检测是红外预警系统中的重点和难点。为解决红外图像中杂波干扰多、目标信噪比低等问题,提出一种非线性空间滤波的目标检测方法。该算法在传统线性空间滤波算法的基础上,通过对预测点周围4个象限的背景灰度值进行计算,并动态地调节阈值,以达到突出小目标的目的。试验结果表明：当背景包含较多复杂因素时,采用非线性空间滤波的检测方法可有效地抑制杂波,实现弱小目标的提取,与线性滤波算法结果相比较,虚警数降低了3/4,且易于工程实现。